| 【中文题名】 | 人工神经网络技术和微粒群算法在文档特征表示中的应用 |
| 【英文题名】 | Application of ANN Technology and PSO in Document Feature Description |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-1-18 |
| 【中关键词】 | 文档特征,权重,BP,学习算法,微粒群算法, |
| 【英关键词】 | document feature,weights,BP,PSO, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 |
Internet技术的普及与发展使得国际互联网日益成为当今信息资源最为丰富的计算机网络,如何在互联网上快速有效地搜索出所需要资源已成为人们普遍关心的问题之一。要实现信息的检索首先需要将互联网上的文档信息与用户检索要求相比较,然后将满足用户要求的文档呈现给用户。在信息检索中文档信息在计算机中是用文档特征来描述的,如何准确地表达文档特征是信息检索过程中的基础。文档特征表示是文本检索领域研究的最重要的问题之一,它决定着文档的分类与聚合,也最终决定着文本检索系统对用户查询的反应能力(查全率、查准率)。
信息检索技术正朝着个性化、智能化的方向发展,个性与智能的信息检索根据用户的检索要求将信息查询结果反馈给用户。本文分析了信息检索中传统文档特征表示的布尔逻辑模型和向量空间模型的优缺点:布尔逻辑模型虽机制简单、容易实现,但是它的分类能力有限且逻辑表达式过于严格;向量空间模型将文档映射到连续域向量空间,为进一步的权重计算等多元处理提供了基础,但容易忽略文档集合中各个文档的一些共有特征。本文在向量空间模型知识的基础上分析了使用人工神经网络计算文档特征项权重的可行性:利用人工神经网络对样本集进行学习的功能、函数... |
| 【论文题纲】 |
|
摘要 |
2-4 |
|
Abstract |
4-7 |
|
第一章 绪论 |
7-10 |
|
1.1 背景知识 |
7-8 |
|
1.2 实现原理 |
8-9 |
|
1.3 组织结构 |
9-10 |
|
第二章 文档特征表示 |
10-19 |
|
2.1 文档特征表示的基础知识 |
10-14 |
|
2.2 常用的文档特征表示方法 |
14-19 |
|
第三章 基于BP 网络的文档特征表示 |
19-45 |
|
3.1 人工神经网络技术概述 |
19-30 |
|
3.2 应用于文档特征表示的BP 算法 |
30-41 |
|
3.3 实验 |
41-45 |
|
第四章 微粒群算法 |
45-61 |
|
4.1 微粒群算法描述 |
45-50 |
|
4.2 应用于BP 网络训练的PSO 算法 |
50-58 |
|
4.3 实验 |
58-61 |
|
第五章 结论与展望 |
61-63 |
|
科研及论文发表情况 |
63-64 |
|
参考文献 |
64-68 |
|
致谢 |
68 |
|
| 【DOI】 | LunWen.ID:2.2008.388316 |
